La IA sigue siendo más capaz. Sin embargo, desplegarla dentro de una empresa no se vuelve necesariamente más fácil.

A medida que las empresas superan la fase de experimentación e incorporan la IA a más partes de sus negocios, se enfrentan a un conjunto de desafíos distinto. Las preguntas se centran cada vez más en qué modelos deben encargarse de qué tareas, si los datos subyacentes son lo suficientemente buenos, a quién —y a qué— pueden acceder los sistemas de IA, y si la gobernanza existente puede mantenerse al día.

Varios desarrollos de esta semana apuntan a la misma conclusión: la próxima fase de la IA empresarial puede depender menos del acceso a los modelos más recientes y más de si las empresas pueden realmente gestionarlos.

Las operaciones multimodelo se vuelven la norma

Las empresas ya no se limitan a elegir un modelo de IA. Están ejecutando varios modelos, cada uno con diferentes capacidades, costos y riesgos. Eso significa que alguien debe decidir qué modelo se encarga de cada tarea —y cuándo deben cambiar esas decisiones.

La empresa de pagos y datos Deluxe, por ejemplo, tiene más de 50 agentes de IA, con una puerta de enlace centralizada que dirige las solicitudes a diferentes modelos. La compañía evalúa factores como calidad, riesgo, velocidad y costo al decidir qué modelos utilizar.

Se trata de un desafío muy distinto al de elegir un solo proveedor de IA. A medida que las empresas agregan más modelos, la selección de modelos se convierte en sí misma en una función operativa continua: transforma una elección periódica de proveedor en un trabajo recurrente: enrutar solicitudes, comparar resultados y revisar esas decisiones a medida que cambian los perfiles de calidad, costo y riesgo. (Relacionado: Gemini 3.8 Live transforma la IA conversacional.)

La calidad de los datos sigue socavando los proyectos de IA

Gestionar los modelos es solo parte del problema. Los proyectos de IA también se topan con un obstáculo empresarial conocido: datos deficientes o fragmentados.

En una reciente encuesta de Collibra, el 72% de los tomadores de decisiones en IA dijo que una base de datos deficiente fue la causa raíz cuando las iniciativas de IA empresariales se quedaron cortas. La cifra recuerda que cuando las iniciativas de IA tropiezan, el problema a menudo precede al modelo: está en los datos que lo alimentan.

La gobernanza se queda atrás frente a la IA agéntica

Las preguntas operativas no se detienen en los datos. Las empresas pueden tener políticas de gobernanza de IA, pero sus estrategias pueden no contemplar los sistemas agénticos.

Un informe de EY publicado el martes encontró que casi seis de cada 10 encuestados en organizaciones que usan IA agéntica pensaban que ningún grupo único supervisaba a los agentes después de su despliegue. Casi la mitad dijo que sus marcos de gobernanza no se habían actualizado para abordar los riesgos específicos de los agentes, mientras que cuatro de cada 10 carecían de visibilidad sobre todas las herramientas de IA en sus redes.

Eso es tanto una brecha operativa como de gobernanza. Las empresas no pueden gestionar eficazmente los sistemas de IA si no saben qué está en funcionamiento ni quién es responsable de supervisarlo. Los hallazgos dejan a las organizaciones con dos preguntas inmediatas por responder: quién es dueño de la supervisión de los agentes una vez que están activos, y cómo construir un panorama completo de las herramientas de IA que ya se ejecutan en la red.

El desafío organizacional

Un modelo más poderoso no resolverá ninguno de estos problemas. Requieren que las empresas tomen decisiones sobre arquitectura, datos, propiedad y supervisión a medida que la IA se integra en más partes del negocio.

La parte difícil de la IA empresarial ya puede no ser el acceso a tecnología poderosa. Es construir una organización capaz de operarla —y los indicadores a observar son internos: la preparación de los datos, la cobertura de la gobernanza y líneas claras de propiedad. (Relacionado: Los llamados a frenar la IA plantean nuevos desafíos para los modelos de pesos abiertos.)

También esta semana en noticias de IA

• La IA es ahora el principal motor del nuevo gasto en ciberseguridad: Siete de cada 10 CISO ahora sitúan la IA como su máxima prioridad para el nuevo gasto en ciberseguridad, particularmente para la automatización de la seguridad y la gestión de identidad y accesos.
• Altman y Amodei hablan del ritmo de la IA en Dreamforce: Los líderes de los laboratorios de IA aprovecharon la conferencia Dreamforce de Salesforce para discutir la desaceleración del desarrollo de la IA de frontera, en medio de una creciente preocupación de que las capacidades avanzan más rápido que las salvaguardas.
• Gemini 3.8 transforma la IA conversacional: El nuevo modelo de Google agrega razonamiento en tiempo real, uso de herramientas y procesamiento visual mientras mantiene interacciones de voz naturales.
• Los llamados a frenar la IA plantean nuevos desafíos para los modelos de pesos abiertos: Los llamados a desacelerar el desarrollo de la IA de frontera podrían crear nuevos desafíos para los modelos de pesos abiertos, dejando potencialmente a las empresas con más responsabilidad de prueba, monitoreo y gobernanza.
• El pánico por la IA le plantea a los CIO un nuevo problema de confianza: La creciente ansiedad en torno a la IA está creando un nuevo desafío para los CIO mientras intentan generar confianza organizacional en los despliegues empresariales sin restar importancia a preocupaciones legítimas sobre la tecnología.
• 'Vamos a dejar de hablar de IA' y otras predicciones industriales: Las empresas manufactureras esperan que la IA deje de ser una iniciativa aislada y se integre más en las operaciones diarias. (Relacionado: La IA cambia la ecuación del ROI. Así es como algunos han logrado el éxito.)
• La IA desordena el mercado laboral tecnológico: La IA está reconfigurando el mercado laboral tecnológico, y un análisis de casi 50,000 ofertas de empleo de ingeniería reveló requisitos de habilidades cambiantes y un número creciente de roles especializados.

Sobre la autora

Liz Hughes es una estratega editorial y de contenidos premiada con décadas de experiencia en publicaciones de prensa, medios digitales y comunicación ejecutiva. Se desempeñó más recientemente como editora de AI Business e IoT World Today, liderando la estrategia editorial, la cobertura diaria y boletines que alcanzaban a más de 1 millón de lectores al mes. Su trabajo se centra en la IA y las tecnologías emergentes, con énfasis en separar la adopción real del hype, y ha cubierto la IA generativa, la robótica, los sistemas autónomos y la tecnología empresarial. Hughes también es fundadora de LTH Media, una práctica editorial estratégica, y sigue contribuyendo con trabajo editorial a destacadas publicaciones de tecnología y negocios.

Este artículo, escrito por la colaboradora Liz Hughes, se publicó originalmente en AI Business el 18 de septiembre de 2026.